矿井智能通风系统关键技术研究

张富凯，孙一冉，孙君顶，袁 冠，张海燕

（1.河南理工大学 软件学院，河南 焦作 454000；2.河南理工大学 计算机科学与技术学院，河南 焦作 454000；3.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116）

我国煤矿大部分为地下开采，煤层赋存条件复杂，随着开采深度增加，对通风安全的要求越来越严格，矿井智能通风系统的研究与设计已经成为煤矿安全生产的重要保障[1-3]。

随着计算机技术、通信技术以及传感器技术的发展，许多学者对煤矿通风系统开展了深入研究，杨杰等[4]依据工业4.0 理念提出一种基于现场总线技术的智能通风系统设计方案；张庆华等[5]总结我国矿井通风技术及装备的研究成果，指出智能通风需要解决的难题并提出实现通风智能化的3 个重点研究方向，即：智能感知、智能决策和智能控制；李伟宏等[6]对矿井智能通风控制系统进行了研究，分析了系统的逻辑框架和功能结构，实现了风速测量、三维建模、通风仿真及网络解算；邢永亮等[7]对通风网络优化的按需通风、灾变通风决策的智能化、智能通风辅助决策平台等技术进行探讨，提出了矿井通风设计与决策的综合集成研究方向。

然而，三维通风模拟、通风网络优化、反风演练等关键技术是煤矿智能通风系统研究的重点。周福宝等[8]对矿井智能通风原理、关键技术及其系统组成进行了研究，在煤矿现场开展了相关试验；邵良杉等[9]分析了煤矿智能通风系统的5 个关键技术：参数精确获取、通风网络优化、通风网络仿真实时解算、智能优化算法、风阻风机调节决策系统，并以冀中能源峰峰集团羊东矿8272 工作面为试验对象，验证了以上关键技术的可靠性；卢新明等[10]对自然分风算法、按需分风计算、风阻调节优化等关键技术进行了深入研究；刘剑[11]从实时矿井通风网络解算、灾变时期智能控风、通风参数高精度快速测试、智能网络与智能装备4 个方面论述了矿井智能通风亟需解决的关键科学技术问题；李冠华[12]分析了煤矿通风安全数据的类型、监测与整合方法，在阳泉某矿建立了煤矿通风安全动态数据平台；张珂等[13]以煤矿工程平面图为基础数据，基于巷道间的拓扑关系，采用中心线加载断面算法构建了矿井三维巷道模型，实现了矿井通风系统二维图到三维图的快速转换；迟焕磊等[14]提出了一种基于数字孪生技术的多元信息驱动智能化工作面三维可视化监控方法，在鄂尔多斯中煤某矿实现了对工作面成套设备的实时三维动态监测、数据和模型三维融合展示；王斌等[15]、孙凯[16]、赵贺[17]分别在不同的煤矿深入研究了通风系统优化模型及系统调整方案；张驰等[18]根据现场条件研发了一套智能反风系统，实现了反风全过程自动化，为主要通风机风机房无人化建设打下坚实基础。

基于以上研究，提出了一种矿井智能通风系统建设方案；论述了系统的组成架构和研究内容，研究了通风监测大数据库、三维通风模拟、AI 视频智能识别、预警及辅助决策、系统联动控制等关键技术；基于MVC4.0+WebAPI+EasyUI+Knockout 技术架构设计并开发了矿井智能通风软件系统，实现了三维通风建模以及人工智能图像识别在煤矿的应用。

1 矿井智能通风系统总体方案

1.1 系统组成

矿井智能通风系统由井下监控设备和地面控制中心组成，矿井智能通风系统架构如图1。

图1 矿井智能通风系统架构Fig.1 Mine intelligent ventilation system architecture

井下监控设备主要包括传感器、摄像头以及工业以太环网。具体包括：①井下安装瓦斯传感器、风门开关传感器、风速传感器、风速风向传感器、风机开停传感器及其他通风相关传感器，传感器实时监测井下通风环境并采集数据，数据由通信分站汇聚到井下交换机；②井下安装AI 智能本安摄像头，配套相应的本安型视频分析边缘计算盒子，摄像头实时监测井下风门、风窗、风机等通风设施与设备，采集视频图像数据，视频分析边缘计算盒子内置人工智能识别算法，在边缘端实时理解、分析视频数据；③汇聚到交换机的传感器数据以及边缘计算盒子识别的视频数据通过井下工业以太环网上传至地面控制中心。

地面控制中心负责数据的分析与存储，应用系统的管理与展示。应用服务器用于部署矿井智能通风应用系统，同时与矿井安全监测监控系统、井下人员定位系统、广播系统实现联动控制；数据服务器存储多种传感器采集得到的通风监测大数据；AI 视频分析服务器部署人工智能算法，对井下的视频图像内容进行识别、分析，发现人员的异常行为和设施设备的异常状态；调度室大屏用于数字、图形、视频等信息的展示。

1.2 研究内容

矿井智能通风系统以动态监测大数据为驱动，建立三维通风模拟与隐患智能识别平台，实现矿井通风数据实时动态分析、三维可视化展现以及有效的安全预警与辅助决策。主要研究内容包括：

1）动态监测大数据库。整合瓦斯、CO、风速、风向、风机负压、风门、风筒、主要通风机、局部通风机等传感器数据，建立通风系统大数据库。

2）三维通风模拟与隐患智能分析平台。将传感器监测数据、摄像头监测视频图像、人工智能图像识别算法、三维可视化通风模拟、通风报表设计、预警报警及辅助决策、BI 大屏展示、历史数据查询等模块融合在1 个软件平台上，形成闭合的通风管理系统。

矿井智能通风系统功能结构如图2。

图2 矿井智能通风系统功能结构Fig.2 Functional structure of mine intelligent ventilation system

通过系统的建设，形成一体化的综合管理平台，提高和完善煤矿通风管理的信息化水平，及时掌握通风系统的运行状态，提早发现安全隐患，做好预防工作，为矿井通风系统调度指挥提供辅助决策依据。

2 智能通风系统关键技术

实现煤矿通风系统智能化管理，为井下生产作业发生变化时，提供辅助决策，防止安全事故的发生与扩大，建立矿井智能通风系统，关键技术包括：通风监测大数据库、三维通风模拟、AI 视频智能识别、预警及辅助决策、系统联动控制。

2.1 通风监测大数据库

矿井通风监测数据包括传感器采集的数值数据和摄像头采集的图像数据，是智能通风系统进行数据分析、三维模拟仿真、AI 智能识别、预警报警以及系统联动的基础数据来源，通过在井下安装多种类型的传感器设备（如瓦斯传感器、风速传感器、风速风向传感器、风机负压传感器、风门传感器、风筒传感器、摄像头等）监测获取数据，数据类型包括分站号、点号、传感器类型、安装地点、单位、量程下限、量程上限、报警下限、报警上限、断电值、复电值、断电区域、是否调校、监测数值、更新时间等。

设计时，传感器每30 s 采集1 次现场数据，汇聚到通信分站通过工业环网上传至地面数据服务器；假设某矿井已安装并且正常工作1 400 个传感器，该矿井每天将产生403.2 万条通风监测数据，这些数据可以通过曲线波动观察其变化规律，并服务于智能通风系统的其他功能模块。摄像头实时监测现场环境，经过边缘计算盒子分析后由工业环网上传至AI 视频分析服务器。实时通风监测数据与图像具有动态性与连续性，通风监测大数据库建立过程如图3。

图3 通风监测大数据库建立过程Fig.3 Process of establishing a large database of ventilation monitoring

2.2 三维通风模拟

1）基于CAD 图纸的矿井三维通风建模过程如图4。具体步骤如下：①将CAD 图纸转换为矢量数据格式，对其中的点数据、线条数据，文本数据进行读取、存储、分析、格式化处理，得到三维图形基础数据；②利用图形引擎渲染三维图形基础数据得到三维巷道模型；③构建图形编辑器，实现对三维场景的编辑。

图4 基于CAD 图纸的矿井三维通风建模过程Fig.4 Mine 3D ventilation modeling process based on CAD drawings

2）澳大利亚Howden Ventsim 公司开发的Ventsim三维可视化矿井通风模拟软件是当今世界上最主流的通风模拟软件之一，目前已广泛应用于煤矿的通风系统构建与优化。Ventsim 软件通过导入巷道中心线的方法建立矿井三维通风模型，具体实现步骤为：①基于带有标高的采掘工程平面图绘制其巷道中心线；将巷道中心线文件导入Ventsim 软件中，并转化为实体巷道，得到三维通风系统初步模型；②检测并修正三维初步模型中巷道的连通性；③设置井筒，设置风筒，设置风机，编辑巷道通风参数；④修正、完善矿井三维模型。Ventsim 软件建立的三维通风模型的过程如图5。

图5 三维通风模拟效果图Fig.5 Rendering of 3D ventilation simulation

2.3 AI 视频智能识别

应国家矿山安全监察局要求，各煤矿已经装备了各种各样的监测监控系统、视频安防监控系统，并极大改善了煤矿安全生产状况。但是，这些系统只是对监控视频进行实时监视和事后对录像进行分析，很难在事故尚未发生或正在发生时，就对相关人员进行警示，从而达到预防不安全事件发生的目的。

若要实时监视并追踪不安全事件的发生，如风门长时间打开、没关严实，风机运转异常等，则需要工作人员全天全时同时对多个监控视频进行监视。这不仅不合理，也会消耗大量的人工成本。图像和视频已经成为煤矿安全生产不可缺少的部分，由于缺乏有效的人工智能算法，这些图像和视频不能很好地服务于通风系统的智能化。因此，提出人工智能技术助力矿井智能通风系统建设，通过有效预防安全事故的发生，降低通风管理成本。

基于深度学习的目标检测算法已经取得巨大成功，并在不同的场景下实现了工业落地。这些目标检测算法包括R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD、R-FCN、YOLO9000、RetinaNet、Mask RCNN、YOLOv3、Cascade R-CNN、ExtremeNet、YOLOv4、YOLOv5、YOLOS、YOLOX、Poly-YOLO 等。

井下智能摄像头实时检测并识别风门、风窗的开关状态、风机的运转状态，当监控视频中出现安全隐患事件时，如风门长时间打开、未关紧，风机运转异常等，平台前端会立刻分析、保存数据、发出警报，在第一时间通知相关工作人员进行现场勘查，并及时采取相应处理措施，有效预防安全事故的发生。

2.4 预警及辅助决策

根据实时实测、推演和解算数据，第一时间发现风量、风速、风向等异常，及时预警和报警；建立预警机制，关联应急预案，提供必要的辅助决策能力，进而提高通风系统的安全性和通风管理的科学性。

2.4.1 建立预警机制

根据风险源的预警百分比梯度，结合风险源的梯度预警指标规则，开发特定的分析服务程序进行风险源的黄色预警与红色预警。

井巷中允许的风流速度见表1。预警临界值符合《煤矿安全规程》相关要求，如井巷中的风流速度应当符合要求。

表1 井巷中允许的风流速度Table 1 Allowable airflow speed in the shaft

基于完善的风险预警机制，设计风险预警的详细流程，风险预警流程如图6。

图6 风险预警流程Fig.6 Process of risk warning

2.4.2 多种预警形式

1）单测点预警。对井下巷道内某个传感器布点监测值进行走势曲线分析，查看一段时间内的数据波动情况，包括基准值、预警上限及下限值、最大值、最小值、平均值等，分析井下单点的通风状况。

2）多测点预警。对井下巷道中具有相关联属性的传感器，对其监测值同时进行走势分析，当通风网络发生变化时，查看多点曲线是否相应同时发生变化，以此判断井下通风状况。

3）多测点组合预警。通风网络主要分为并联、串联和角联3 种基本结构以及3 种结构互相结合形成的混合式结构。对各监控点之间的数据关系与现场各类通风事故下参数特征数据库进行综合分析，开发特定的分析服务程序进行通风紊乱原因的判定。

4）系统联动预警。智能通风系统具备数据联动交互功能，联动规则可由用户设定，根据规则，可以实现与井下人员定位系统、广播系统、安全监测监控系统、应急预案等系统联动预警。

2.4.3 提供辅助决策

将《煤矿生产安全事故应急预案》相关内容融入智能通风系统中，与预警机制相结合，为煤矿通风类事故提供有效预警与相应的辅助决策。煤矿通风事故专项应急预案中预设明确的应急指挥机构及相应职责，其通风专项应急救援组织机构如图7。

图7 通风专项应急救援组织机构Fig.7 Ventilation special emergency rescue organization

当系统发出预警或报警，系统根据现场数据智能分析危险程度，匹配预案信息并初步做出辅助决策信息，组织机构中的专业小组根据其职责实施相应的应急救援工作。

3 智能通风系统平台

矿井智能通风系统平台主要由智能通风软件、三维通风建模软件和人工智能图像识别模型3 部分构成。

3.1 智能通风软件

矿井智能通风软件基于ASP.NET 软件平台，SQL Server2012 数据库开发。系统在逻辑上分为数据接口、数据处理、业务处理、系统UI 等部分。智能通风软件逻辑框架如图8。

图8 智能通风软件逻辑框架Fig.8 Logical framework of intelligent ventilation software

矿井智能通风软件基于MVC4.0+WebAPI+EasyUI+Knockout 技术架构设计开发，其特点如下：

1）MVC 的框架模式。具有耦合性低、重用性高、生命周期成本低、可维护性高、有利软件工程化管理等优点。

2）采用WebAPI。客户端可以完全摆脱代理和管道来直接进行交互。

3）采用EasyUI 前台UI 界面插件。可呈现功能丰富并且美观的UI 界面。

4）采用Knockout。提供1 个数据模型与用户UI界面进行关联的高层次交互方式。

5）数据访问层采用强大的Fluentdata 支持多数据库操作。

3.2 三维通风模型

通过建立矿井三维通风模型，将复杂的通风参数和通风过程以三维动态图形的方式简单、直观地展现出来，可从任意角度观察和调整通风系统，实现巷道实时风量三维展现、风量分配的实时解算和分析，提高矿井通风决策人员的科学决策水平，帮助煤矿实现实时、动态、合理和科学的通风管理。矿井三维通风模型具有以下功能：

1）风流动态模拟。

2）任意风路固定风量、固定风压、网络风流按需分配仿真。

3）模拟风门、风窗、密闭等通风构筑物设置和风量调节效果。

4）辅助进行短期和长期通风系统规划。

5）在风网优化设计的基础上进行风机选型、风机运行工况点分析。

6）风机调速、反风模拟。

7）辅助进行灾害预案制定和紧急情况处理。

矿井通风三维可视化仿真模拟及通风网络优化效果如图9。

图9 矿井通风三维可视化效果图Fig.9 Mine ventilation 3D visualization rendering

3.3 人工智能图像识别模型

将YOLOv5 算法应用于煤矿通风AI 智能视频识别，用于检测煤矿井下风门开闭、风窗开闭、风机异常等状态。YOLOv5 算法是1 种一阶段目标检测器，具有计算量小、识别速度快等优点。

人工智能算法在煤矿通风场景下的应用数据非常复杂，受到各种客观因素的影响，如异常状态下的图像少且获取困难、图像光照不均匀、成像质量差等。因此，煤矿通风相关视频数据的获取与处理是人工智能应用需要关注的重点工作。

4 结 语

矿井智能通风系统涉及通风、计算机、传感器、通信以及人工智能等多个领域的知识体系，是智能矿山建设的重要组成部分。通风监测专业大数据库为通风系统运行、调整、优化提供数据支撑；建立三维通风可视化模型，实现通风网络和主要通风机工况模拟解算、通风系统动态优化、全矿井按需分风，是通风系统建设的核心组成部分；将人工智能图像识别技术引入通风系统，实现风门、风窗、风机等通风设施异常状态的自动识别，落实减员增效目标，是通风系统建设的主要创新点；将报警预警与应急预案相结合，为通风系统管理及事故应急响应提供支撑；通风系统与人员定位系统、广播系统等其他系统的联动，当事故发生时，能够及时部署应急预案、制定避灾路线、广播指挥撤离，有效防止事故扩大。在实际应用中，融合多项关键技术，建设符合矿井生产需要的智能化通风管理系统，是智能矿山建设的必然选择。